Este curso faz parte do Programa de cursos integrados Sistemas de recomendação

4.3
estrelas
302 classificações

Joseph A Konstan +1 mais instrutores

13.833 já se inscreveram

oferecido por

Programa de cursos integrados Sistemas de recomendaçãoUniversidade de MinnesotaUniversidade de Minnesota

Informações sobre o curso

3.231 visualizações recentes

In this course, you will learn the fundamental techniques for making personalized recommendations through nearest-neighbor techniques.  First you will learn user-user collaborative filtering, an algorithm that identifies other people with similar tastes to a target user and combines their ratings to make recommendations for that user.  You will explore and implement variations of the user-user algorithm, and will explore the benefits and drawbacks of the general approach.  Then you will learn the widely-practiced item-item collaborative filtering algorithm, which identifies global product associations from user ratings, but uses these product associations to provide personalized recommendations based on a user's own product ratings.

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Certificados compartilháveis

Tenha o certificado após a conclusão

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Curso 2 de 5 no

Programa de cursos integrados Sistemas de recomendação

Aprox. 15 horas para completar

Inglês

Sua empresa se beneficiaria do treinamento dos funcionários em habilidades sob demanda?

Experimente o Coursera for Business

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Certificados compartilháveis

Tenha o certificado após a conclusão

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Curso 2 de 5 no

Programa de cursos integrados Sistemas de recomendação

Aprox. 15 horas para completar

Inglês

Sua empresa se beneficiaria do treinamento dos funcionários em habilidades sob demanda?

Experimente o Coursera for Business

Instrutores

Classificação do instrutor

4,5/5 (13 classificações)

Joseph A Konstan

Distinguished McKnight Professor and Distinguished University Teaching Professor

Computer Science and Engineering

190.418 aprendizes

11 Cursos

Michael D. Ekstrand

Assistant Professor

Dept. of Computer Science, Boise State University

104.859 aprendizes

6 Cursos

oferecido por

Universidade de MinnesotaUniversidade de Minnesota

The University of Minnesota is among the largest public research universities in the country, offering undergraduate, graduate, and professional students a multitude of opportunities for study and research. Located at the heart of one of the nation’s most vibrant, diverse metropolitan communities, students on the campuses in Minneapolis and St. Paul benefit from extensive partnerships with world-renowned health centers, international corporations, government agencies, and arts, nonprofit, and public service organizations.

Veja como os funcionários das principais empresas estão se especializando em habilidades sob demanda

Saiba mais sobre o Coursera para Empresas

Programa - O que você aprenderá com este curso

Semana

Semana 1

13 minutos para concluir

Preface

Note that this course is structured into two-week chunks. The first chunk focuses on User-User Collaborative Filtering; the second chunk on Item-Item Collaborative Filtering. Each chunk has most of the lectures in the first week, and assignments/quizzes and advanced topics in the second week. We encourage learners to treat each two-week chunk as one unit, starting the assignments as soon as they feel they have learned enough to get going.

13 minutos para concluir

1 vídeo (Total 3 mín.), 1 leitura

1 hora para concluir

User-User Collaborative Filtering Recommenders Part 1

1 hora para concluir

5 vídeos (Total 85 mín.)

Semana

Semana 2

5 horas para concluir

User-User Collaborative Filtering Recommenders Part 2

5 horas para concluir

2 vídeos (Total 13 mín.), 2 leituras, 3 testes

Semana

Semana 3

1 hora para concluir

Item-Item Collaborative Filtering Recommenders Part 1

1 hora para concluir

6 vídeos (Total 70 mín.)

Semana

Semana 4

6 horas para concluir

Item-Item Collaborative Filtering Recommenders Part 2

6 horas para concluir

2 vídeos (Total 10 mín.), 2 leituras, 5 testes

2 horas para concluir

Advanced Collaborative Filtering Topics

2 horas para concluir

5 vídeos (Total 73 mín.)

Avaliações

4.3

68 avaliações

5 stars
53,64%
4 stars
29,13%
3 stars
11,58%
2 stars
2,64%
1 star
2,98%

Principais avaliações do NEAREST NEIGHBOR COLLABORATIVE FILTERING

por CJ16 de jul de 2017

Very good course, there is a glaring error in Week 4s assignment. But if you check the forums it can be easily solved

por SS30 de mar de 2019

Thank you so very much to open my eye see more view of recommendation field not only algorithms but use case and many trouble-shooting in worldwide business, moreover interview with noble professor.

por LL19 de jul de 2017

a great class, I learned some insight in these algorithms

por DR14 de jun de 2017

Very satisfied to do this, the videos are too long, very good quality and a lot of practical information.

I love it!

Visualizar todas as avaliações

Sobre Programa de cursos integrados Sistemas de recomendação

A Recommender System is a process that seeks to predict user preferences. This Specialization covers all the fundamental techniques in recommender systems, from non-personalized and project-association recommenders through content-based and collaborative filtering techniques, as well as advanced topics like matrix factorization, hybrid machine learning methods for recommender systems, and dimension reduction techniques for the user-product preference space.

This Specialization is designed to serve both the data mining expert who would want to implement techniques like collaborative filtering in their job, as well as the data literate marketing professional, who would want to gain more familiarity with these topics. The courses offer interactive, spreadsheet-based exercises to master different algorithms, along with an honors track where you can go into greater depth using the LensKit open source toolkit. By the end of this Specialization, you’ll be able to implement as well as evaluate recommender systems. The Capstone Project brings together the course material with a realistic recommender design and analysis project.

Perguntas Frequentes – FAQ

Quando terei acesso às palestras e às tarefas?
O acesso a palestras e tarefas depende do tipo de inscrição. Se você participar de um curso como ouvinte, você poderá ver quase todo o conteúdo do curso gratuitamente. Para acessar tarefas valendo nota e obter um Certificado, você precisará adquirir a experiência do Certificado, durante ou após a participação como ouvinte. Se você não vir a opção de participar como ouvinte:
o curso pode não oferecer essa opção. Você pode experimentar um teste gratuito ou solicitar o auxílio financeiro.
Em vez disso, o curso pode oferecer 'Curso completo, sem Certificado'. Com esta opção, é possível ver todo o conteúdo do curso, enviar as avaliações necessárias e obter uma nota final. Isso também significa que você não poderá comprar uma experiência de Certificado.
O que recebo ao me inscrever nesta Especialização?
Quando você se inscreve no curso, tem acesso a todos os cursos na Especialização e pode obter um certificado quando concluir o trabalho. Seu Certificado eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn. Se quiser apenas ler e assistir o conteúdo do curso, você poderá frequentá-lo como ouvinte sem custo.
Existe algum auxílio financeiro disponível?
Sim. Em programas de aprendizado selecionados, você pode solicitar auxílio financeiro ou uma bolsa de estudos caso não consiga pagar a taxa de inscrição. Se o auxílio financeiro ou bolsa de estudos estiver disponível para a seleção do seu programa de aprendizado, você encontrará um link para se inscrever na página de descrição.

Mais dúvidas? Visite o Central de Ajuda ao estudante.

Desenvolva as habilidades dos funcionários e impulsione os resultados

Conheça o Coursera para Empresas

Nearest Neighbor Collaborative Filtering

Informações sobre o curso